夜雨聆风2026 年 5 月，NVIDIA 单季营收 816 亿美元，创纪录。Anthropic 年化营收四个月从 90 亿跳到 300 亿 [1]。
这两个数字背后站着两个人。黄仁勋在 GTC 2026 上说，GPU 是"Token 工厂"，AI 的生产力取决于你能烧多少 Token [1]。Claude Code 负责人 Boris Cherny 说，"我已经不给 Claude 写 prompt 了。我的工作就是写循环" [2]。
YC 总裁 Garry Tan 更猛，把"烧 Token"包装成了一套哲学——Tokenmaxxing，单日烧 $500，5 天单人 $200 做出传统团队 400 倍的产出。PingCAP CTO 黄东旭在 QCon 上呼应："The more tokens, the more intelligence" [3]。
三路人马，同一个结论：烧。
老黄说烧 Token 是生产力。Boris 说烧 Token 是工作方式——他手机里跑着几百个 Agent，几十个 Loop 定时循环，盯 PR、修 CI、聚类反馈 [2]。Google 的 Addy Osmani 把这事正式命名为 Loop Engineering，开源社区立刻跟进 [5]。Garry Tan 说烧 Token 是竞争优势。
到这里，逻辑自洽。但有一件事他们没说——
说这些话的人，同时也卖 Token。
账单来了，刹车也来了
五月底，Meta 内部一个叫"Token Legend"的排行榜被紧急关闭。榜首员工一个月烧了 2810 亿 Token。Financial Times 造了个词：tokenmaxxing——企业鼓励员工多用 AI 证明投资值，员工照做了，账单炸了。亚马逊紧跟着限制了团队级 AI 用量数据的可见性 [4]。
Uber 的全年 AI 预算四个月烧光，紧急设了每工具每月 $1,500 上限。Uber COO 说了一句所有人都该记住的话："至今无法把 AI 使用数据对等到'实际产出了更多有用的消费者功能'"。《华尔街日报》同期引用匿名 AI 顾问：某客户单月账单五亿美元 [4]。
McKinsey 的数据：88% 组织用了 AI，只有 7% 完全部署集成 [4]。
六月，刹车踩下去了。腾讯内部宣布"看产出不看消耗，不搞 token 消耗量排名，不贩卖焦虑"。OpenAI 发布报告，引了一个十九世纪的案例：美国工厂把蒸汽机换成电动机后，厂房布局没变，生产率几十年没提升——直到工厂围绕电动机重新设计了物理布局 [4]。
电动机一直是那个电动机。问题是厂房。
卖铲子的人不会告诉你的事
黄仁勋、Boris、Garry Tan 说的，技术上都没错。Agent 任务的成功率确实和 token 用量呈非线性关系——低于某个阈值，模型做不完也做不好。Boris 的 Loop 模式确实能自动化大量重复工作。
但这里有三个被省略的事实。每一个都值得展开。
第一，激励机制决定了他永远不会劝你少烧
Rippling CPO Matt McGinness 把 AI 行业的商业模式拆成两种：卖铲人（OpenAI、Google、Anthropic）和拥有矿山的人（有独特数据的企业）[5]。NVIDIA 是铲子供应商的上游——它不直接卖 Token，但它的 GPU 是生产 Token 的机器。Anthropic 直接卖 Token。
这不是道德判断。这是利益结构。
老黄在 GTC 2026 上发布了 Vera Rubin 平台，号称推理性能是上一代 Blackwell 的 5 倍，能效提升 10 倍，Token 成本降至 1/10 [1]。听起来是在帮你省钱。但同一个 keynote 里，他把 AI 产业比作"五层蛋糕"——能源、芯片、基础设施、模型、应用——需求呈抛物线增长 [1]。翻译一下：成本降得再快，需求涨得更快。
Anthropic 的策略一模一样。主动降价，反而激发海量需求，总营收爆发增长 [1]。Token 越便宜，烧得越多，总支出在涨而不是降。这完美复刻了 1865 年杰文斯悖论：蒸汽机能效提升后，煤炭总需求不降反升——因为人们发明了蒸汽火车和蒸汽轮船，去做以前根本不值得做的事 [5]。
卖铲子的人给你的建议，技术上可能是最优解。但他们永远不会告诉你"够了"。这就像加油站老板写的省油指南——他会告诉你定速巡航、胎压管理、减少怠速，但他永远不会建议你少开车。因为他的收入跟你的里程表挂钩。
Boris 说 Loop 是未来。他说的没错。但他说这句话的时候，每多一个 Loop，Anthropic 就多一份收入。他的 Loop 建议和 Anthropic 的营收增长是同一条曲线。这不是阴谋论，这是商业模式。
第二，Loop 不是你想象的那样
Boris 说手机里跑着几百个 Agent。这个画面感很强。
但很少有人追问细节。
知乎 AI 平台工程师茜布把 Loop Engineering 拆解得很清楚。她指出了一个关键问题：LLM 是不确定的、非幂等的。 Kubernetes 的 Reconciliation Loop 可以证明收敛——desired state 和 actual state 之间有精确的 diff。但 LLM 的循环可能震荡、卡死、或者最危险的——谎称完成 [5]。
Osmani 为两种新失败模式起了名字。理解债（comprehension debt）：交付了自己从未真正读懂的代码。认知投降（cognitive surrender）：工程师逐渐放弃理解循环在做什么，变成"开始键操作员"。lencx 写了更狠的一句："构建循环，但不要退出工程。" [5]
茜布的核心论点更进一步：Loop Engineering 的本质不是设计循环，而是设计 Goal 和 Evaluation。 没有 Evaluation，Loop 无法收敛——模型再强、上下文再丰富，也只是随机游走。K8s 最大的成功不是 etcd、CRD，而是 Desired State 被数学化了——replicas: 3，没有歧义。而 AI Coding 的问题从来不是 Agent 不够聪明，而是 Goal 无法精确到没有歧义 [5]。
这里有一个所有人都在回避的尴尬：Boris 的 Loop 能跑，是因为 Boris 是 Boris。
他在 Anthropic 内部用专属模型 Mythos dogfood。他有 Kat Wu 帮他拆执行路径。整个 Anthropic 的工程文化——从代码审查到 CI/CD 到组织流程——已经围绕 AI Agent 重新设计过了。他的 Loop 能跑，不是因为 Loop 这个模式本身已经足够成熟，而是因为他有世界上最强的 AI 组织和最顶尖的模型在背后撑着。
你换一家公司、换一个模型、换一个场景，同样的 Loop 可能不是生产力引擎，是一台账单制造机。
更要命的是，Loop 的烧钱速度和它的"不可验证性"成正比。一个 Loop 盯 PR、修 CI，产出是明确的——CI 绿了就是绿了。但 Boris 说他"30 分钟拉一次 Twitter 反馈聚类" [2]。这种 Loop 的产出怎么衡量？聚类出来的东西有价值吗？花掉的 Token 值不值？没有人能回答。连 Boris 自己也可能不知道。
Loop 是一个放大器。它放大的不只是生产力，也放大了浪费。如果你的 Goal 是模糊的，Evaluation 是不存在的，Loop 只是把你原来烧一天的钱变成了烧一周。
第三，Token 消耗量正在变成一个馊主意
Meta 用排行榜激励员工多用 AI。排末尾的人据说随时可能被"优化" [4]。
当 Token 消耗量从一个技术指标变成一个政治指标，它就不再是衡量生产力的工具。它变成了一个表演。你烧 Token 不是因为有用，而是因为你得证明自己"在 AI 化"。
Token 消耗是可量化的、可排名的、可比较的。它天然适合做 KPI。但它衡量的只是输入，不是产出。
Salesforce 推出了 AWU（数计件），百度推出了 DAA（数人头）——两家性质完全不同的公司，在同一时间窗口不约而同把度量从"消耗了多少"换到"完成了多少"。他们不是因为比 Meta 聪明，是因为他们先踩了坑。
Token 消耗量考核还有一个更隐蔽的陷阱：它奖励的是把 Token 消耗最大化的行为，而不是把任务完成得最好的行为。当你的绩效和 Token 消耗挂钩时，聪明人会选择让 Agent 做更多轮、读更多上下文、生成更长的输出——不是因为这些对任务有帮助，而是因为这些能把数字做上去。
Uber COO 的那句话是所有人的镜子：花了钱，不知道换来了什么 [4]。
怎么听卖铲子的人的话
老黄、Boris、Garry Tan 说的都对。但不是对你说的。
他们说的，是给那些已经建好了"厂房"的人听的。给那些有清晰的 Goal、有可执行的 Evaluation、有能吸收 AI 产出的组织流程的人听的。
如果你还没到这个阶段，先别急着烧。先问自己三个问题。
第一个问题：你的 Goal 能不能被精确描述？ 茜布说得好，K8s 的成功是因为 replicas: 3 没有歧义。你的任务目标，能不能精确到这种程度？如果不能，Loop 再多也没用——它只是在随机游走。
第二个问题：你有没有 Evaluation？ 没有 Evaluation 的 Loop，就是一台没有仪表盘的汽车。你只知道它在烧油，不知道它往哪开。连 Boris 的 Loop 都有 CI 绿了就是绿了这种明确信号。你的 Loop 有没有？
第三个问题：你的组织流程能不能吸收 AI 的产出？ 这是 OpenAI 报告里电动机故事的核心。电动机进了工厂，皮带和天轴还在，生产率几十年没提升 [4]。不是电动机不够好，是组织没有重新设计。今天的 AI 一模一样——Token 烧得再多，如果你的需求定义、验收标准、反馈循环没有跟着变，烧掉的钱不会变成产出，只会变成账单。
Uber COO 的镜子照出了所有人：花了钱，不知道换来了什么 [4]。
卖铲子的人不会替你回答这个问题。他们在卖铲子。你挖不挖得到金子，不是他们的商业模式。
你得自己回答。
参考资料
[1] NVIDIA GTC 2026 Keynote（黄仁勋主题演讲，Token Factory 叙事、Vera Rubin 平台、五层蛋糕框架）及 2026 年 5 月财报（单季营收 $816 亿）；Anthropic，Series G 融资公告（年化营收 90 亿→300 亿）及 Menlo Ventures "2025 State of GenAI in the Enterprise"（主动降价策略与营收爆发）。
[2] Boris Cherny，Sequoia AI Ascent 2026 访谈（"2026 年全年没写过一行代码"、"Loop 是未来"、"我的工作就是写循环"）及 Twitter 个人工作流分享（手机端管理数百 Agent、Loop 定时循环）。https://www.youtube.com/@SequoiaCapital
[3] Garry Tan，"Tokenmaxxing"哲学，基于公开发言整理，2026 年 6 月（Garry's List 5 天单人 $200 达 400 倍生产力）；黄东旭，"消耗了上百亿 Token 后对于 Agent 时代软件构建的思考"，QCon 2026（北京），2026 年 4 月。https://mp.weixin.qq.com/s/xrWxU7wuuMqZg0m-iHSbUA
[4] Financial Times，2026 年 5 月；Bloomberg，2026 年 6 月；WSJ，2026；McKinsey 全球 AI 调查；财联社，2026 年 6 月；OpenAI，"The Next Era of Knowledge Work"，2026 年 6 月。https://cdn.openai.com/pdf/the-next-era-of-knowledge-work.pdf
[5] Matt McGinness（Rippling CPO）；茜布，知乎，2026 年 6 月；Addy Osmani（Google），2026 年 6 月；lencx，2026 年 6 月；蒋涛，CSDN 微信公众号，2026。https://mp.weixin.qq.com/s/x30pxlNp_wX5x03RWCt6Rg
